SKILLEMALL.ai
EN Войти

A expert2skill

专家方法沉淀器（meta-skill）— 通过引导式访谈，把一个"具备专业技术/知识但不懂 AI" 的专家（如营养师、验房师、投资顾问、设备工程师）的隐性方法，蒸馏成结构化规则库 （rule_library JSON）+ 可运行 skill 包。 仅在用户明确要求"把我的 XX 方法/经验做成 skill"、"帮我把我的专业判断沉淀成工具"、 "我想让别人能按我的标准做评估"、"expert2skill"、"方法蒸馏"时激活。 普通对话中提及"skill/方法"等词不自动触发。 核心能力： 1. 适配性判断（P0）— 5 问内判断方法是否适合规则引擎，不适合诚实告知转咨询型。 2. 引导式访谈（P1-P5）— 领域定义 → 维度拆解 → 逐项蒸馏 → 条件/开放/自问题 → 权重汇总。 3. 生成（P6-P7）— 产出 rule_library JSON（v2 schema）+ 纯本地 skill 包，含合规自检与免责声明。 关键原则：专家只说业务语言，AI 负责翻译到 schema；AI 永不替专家做判断； 开放题永不自动判分；不可规则化部分诚实标记。 locale: zh-CN

ClawHub Agent Skills автор: Wei Wu v1.0.2 MIT-0 11 файлов тело ≈ 1 083 токенов открыть источник ↗ проанализирован 10 ч назад

专家方法沉淀器（meta-skill）— 通过引导式访谈，把一个"具备专业技术/知识但不懂 AI" 的专家（如营养师、验房师、投资顾问、设备工程师）的隐性方法，蒸馏成结构化规则库 （rulelibrary JSON）+ 可运行 skill 包。 仅在用户明确要求"把我的 XX 方法/经验做成…

ПроцедураИИ и агентыБезопасностьтип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
A
91/100
Общая оценка
Безопасность 60%
100
Качество 40%
77
Тесты бонус
0

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для срабатывания.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
  3. Добавьте evals/evals.json с 4–6 реальными запросами и ожидаемыми ответами: тогда полная проверка использует ваши кейсы, а не черновик модели.
  4. Добавьте spec.yaml с триггерами и утверждениями (skilltest init): это контракт поведения для CI.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 11. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

Lint

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/{slug}.py
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессная зрелость 33/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/{slug}.py
  • 0Инструменты и файлы. Не хватает 1 файла(ов): scripts/{slug}.py
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 100Шаги. Шагов: 37
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1083 токенов
  • low Ответ описан самодельной разметкой (5 тегов): типизированный вызов надёжнее

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 6 примера фраз-триггеров в кавычках
  • +3Длина description 501 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 37 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 3)
  • +3Все 2 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: clean
This is a disclosed local generator for expert-rule skills; it creates local files and scripts but does not hide network access, credential use, or automatic publishing.
LLM: benign (high) · VirusTotal: · 15 авг. 2026 г.